【CULTIVATE Tech】當 AI 走進數學系:一場正在發生的「錯位」
Hacker News 上名為「A misalignment of AI in mathematics」的討論，點出一個台灣高教與科技業都迴避不了的問題:當語言模型把「解題」變成「生成答案」，數學教育與數學研究的評估地基正在鬆動。這不是反 AI 文章，而是一份關於錯位的風險清單。
凌晨的 HN 首頁，一則標題靜靜掛著:「A misalignment of AI in mathematics」（https://mathandai.org/）。同一週，另一則討論串「Ask HN: Can we please limit the AI news flood?」（https://news.ycombinator.com/item?id=49657850）拿到大量共鳴——工程師社群開始對 AI 資訊洪流感到疲乏。這兩件事放在一起看，才是完整的故事:AI 的能力敘事已經超載，但「能力」與「數學這門學科真正要的東西」之間的錯位，卻鮮少被認真拆解。
錯的不是 AI，是「對齊」的假設
「Misalignment」在 AI 安全圈通常指模型目標與人類意圖的偏離。但這份文件把同一個詞用在數學上，指向更細的東西:我們假設「AI 會解題」等於「AI 應該進入數學教育與研究流程」，而這個假設本身就是錯位的。
數學的能力不在答案，在於證明的過程中建立起來的推理紀律。語言模型的運作原理則是下一個 token 的機率預測——它可以產出形式上正確的證明步驟，卻沒有任何機制保證它「理解」為什麼這一步成立。類比來說:它像一位背過幾百萬份棋譜的棋士，能走出好棋，但說不出這步棋的戰略理由——而數學系訓練的恰恰是那個「說出理由」的能力。
這對台灣為什麼重要？台灣的升學體系高度依賴數學作為篩選工具，半導體與軟體產業又把數學能力當成人才池的水位計。當學生用 AI 生成習題解答、研究者用模型輔助證明，我們用來「量測數學能力」的儀器本身，正在被 AI 汙染。
資訊洪流是錯位的溫床
「Can we please limit the AI news flood?」這則討論（https://news.ycombinator.com/item?id=49657850）看似只是社群抱怨，實則是症狀。當 AI 相關訊息以每天數十則的速度洗版，決策者、教育者與家長根本沒有時間區分「展示型能力」與「可靠能力」。misalignment 之所以能持續存在，正是因為注意力被能力新聞填滿，沒人停下來問:這些能力放進數學的脈絡，對齊了嗎？
同期的其他討論勾勒出背景板。Reddit 的 ServiceNow 版上，開發者回報 AI agent 的自動化程度「已經爆表」，並直接問出「你們公司開始裁員了嗎？」（發文者宣稱之內容，https://www.reddit.com/r/servicenow/comments/1wackx0/use_of_ai_agents/）。當「AI 取代人類工作」的敘事成為預設，數學這種最難被自動化、卻也最容易被「假裝自動化」的學科，就成了錯位最尖銳的戰場。
三種情境，三種結局
情境一（基準）:教育體系把 AI 當計算機的第二回合——先抵制、後收編，最終發展出「過程透明」的新型評量。這需要考試設計的主動改革，台灣的學測與指考體系反應速度是關鍵變數。
情境二（樂觀）:形式驗證工具與 AI 結合，讓模型產出的證明必須通過機器檢查，錯位被工程手段收斂。這條路技術上存在，但要求教育端同步接受「驗證器」成為課程的一部分。
情境三（悲觀）:錯位持續放大。學生用 AI 通過數學評量、取得學分與證書，產業在招募時發現文憑與推理能力脫鉤，被迫自建篩選機制——高等教育的數學教育功能實質破產。
我可能錯在哪裡
這份分析假設「過程理解」是數學教育的核心價值，但如果未來的數學工作形態真的變成「人類提問、AI 與驗證器答題」，那麼堅持過程訓練可能是在為一個消失中的職位培訓人才。misalignment 或許不在 AI，而在於我們對數學教育目標的想像還停在上一個時代。這個反詰，留給讀者。